Le nouveau rideau de fer
Un exemple de carte en 2.5D
Introduction
Ce document montre comment réaliser cette carte de discontuités en 2,5D (fausse 3D) joliement mise en page entrièrement dans le langage R. Des versions antérieures de cette carte ont déjà été publiées par le passé, dans le manuel de cartographie (Lambert, Zanin 2016), ou dans Mad Maps (Lambert, Zanin 2019) et ont fait l’objet de billets de blog (Lambert 2017). Ici, nous entendons prouver qu’il est possible de réaliser ce type de carte sans passer par un logiciel DAO (Lambert 2019). Les sources et les références sont précisées à la fin du document.
1 Packages
Pour réaliser cette carte, nous utilisons pour cela les packages eurostat (Lahti et al. 2017), RnaturalEarth (South 2017), sf (Pebesma 2018) et mapsf (mapsf?).
library("sf")
library("mapsf")
library("eurostat")
library("rnaturalearth")2 Données
L’import des données et du fond de carte s’effectue directement avec le package Eurostat. L’import des géométries s’effectue de la façon suivante. Nous utilisons le maillage NUTS version 2016.
nuts2016 <- get_eurostat_geospatial(
output_class = "sf",
resolution = "20",
nuts_level = "all",
year = "2016"
)Import des données statistiques (PIB par habitant en euros) pour les années récentes (de 2014 à 2017).
var <- "nama_10r_3gdp"
gdpinh <- get_eurostat(var, time_format = "num")
gdpinh <- subset(gdpinh, gdpinh$unit == "EUR_HAB")
gdpinh <- reshape2::dcast(gdpinh, geo ~ time, value.var = "values")
fields <- c("geo", "2014", "2015", "2016", "2017")
gdpinh <- gdpinh[, fields]
colnames(gdpinh) <-
c("id",
"GDPINH_2014",
"GDPINH_2015",
"GDPINH_2016",
"GDPINH_2017")Jointure des données et du fond de carte pour les niveaux NUTS 2 et NUTS 3
nuts2016 <- merge(
x = nuts2016,
y = gdpinh,
by.x = "NUTS_ID",
by.y = "id",
all.x = TRUE
)
nuts2016_3 <- nuts2016[nuts2016$LEVL_CODE == 3, ]
nuts2016_2 <- nuts2016[nuts2016$LEVL_CODE == 2, ]Création d’un fond de carte combinant les NUTS 2 et le NUTS 3 dans le but d’avoir un maillage homogène avec le moins possible de données manquantes.
N2 <-
c("AT", "BE", "CH", "DE", "EL", "NL", "UK", "TR", "IE", "IS", "NO")
nuts <- rbind(nuts2016_2[nuts2016_2$CNTR_CODE %in% N2, ],
nuts2016_3[!nuts2016_3$CNTR_CODE %in% N2, ])
nuts$id <- nuts$NUTS_IDElimination des territoires hors de l’espace d’étude (e.g. remote territories)
nuts <-
nuts[!nuts$id %in% c("FRY10", "FRY20", "FRY30", "FRY40", "FRY50"), ]
nuts <- nuts[nuts$CNTR_CODE != "RS", ]mf_map(
x = nuts,
type = "typo",
var = "LEVL_CODE",
pal = c("#cc5e4e", "#76c24f"),
val_order = c("2", "3"),
border = "#e8e8e8",
lwd = 0.2,
leg_pos = "left",
leg_title = "Nuts level (version 2016)"
)Détermination de l’année cible
sapply(nuts[, c("GDPINH_2014", "GDPINH_2015", "GDPINH_2016", "GDPINH_2017")],
function(x)
sum(is.na(x)))On cible l’année 2016 qui est la plus récente et qui a le moins de données manquantes
nuts <- nuts[, c("id", "NUTS_NAME", "GDPINH_2016", "geometry")]
colnames(nuts) <- c("id", "name", "GDPINH_2016", "geometry")On complète les données manquantes par de données estimées en externe.
nuts[nuts$id == "CH01","GDPINH_2016"] <- 44418.07
nuts[nuts$id == "CH02","GDPINH_2016"] <- 38721.88
nuts[nuts$id == "CH03","GDPINH_2016"] <- 51173.14
nuts[nuts$id == "CH04","GDPINH_2016"] <- 56462.12
nuts[nuts$id == "CH05","GDPINH_2016"] <- 40871.44
nuts[nuts$id == "CH06","GDPINH_2016"] <- 43665
nuts[nuts$id == "CH07","GDPINH_2016"] <- 35029.52
nuts[nuts$id == "LI000","GDPINH_2016"] <- 160000
nuts[nuts$id == "IS00","GDPINH_2016"] <- 55900Import des couches d’habillage avec le package RnaturalEarth
land <- ne_download(
scale = 110,
type = "land",
category = "physical",
returnclass = "sf"
)mf_map(land, border = NA, col = "#6eb1db")ocean <- ne_download(
scale = 110,
type = "ocean",
category = "physical",
returnclass = "sf"
)mf_map(ocean, border = NA, col = "#6eb1db")Graticule avec sf
graticule = st_graticule(
crs = st_crs(4326),
ndiscr = 100,
lon = seq(-180, 180, by = 2),
lat = seq(-90, 90, by = 1),
margin = 0.01
)mf_map(graticule, col = "#6eb1db")Mise en forme des couches
2.1 Template cartographique
Pour donner un effet de rotondité et permettre une représentation en 2.5D, on opte pour une projection orthographique centré sur l’Afrique. Pour éviter tout problème dans l’opération de projection (bug, artefacts, etc.), nous definissons au préalable un rectangle nous servant à découper les différentes couches.
NB : passer sf_use_s2 à FALSE permet de faire comme si il ne s’agissait pas de coordonnées sur le globe.
bb <-
st_as_sfc(st_bbox(c(
xmin = -50 ,
xmax = 70,
ymin = 20,
ymax = 80
),
crs = st_crs(4326)))
sf::sf_use_s2(FALSE)
ocean <- st_intersection(ocean, bb)
ocean <- st_segmentize(ocean, 100)
land <- st_intersection(land, bb)
land <- st_segmentize(land, 100)
graticule <- st_intersection(graticule, bb)
sf::sf_use_s2(TRUE)Projection
ortho <- "+proj=ortho +lat_0=-10 +lon_0=15 +x_0=0 +y_0=0
+ellps=WGS84 +units=m +no_defs"
ocean <- st_transform(ocean, ortho)
land <- st_transform(land, ortho)
graticule = st_transform(graticule, ortho)
nuts <- st_transform(nuts, ortho)Affichages des couches recadrées et projetées
par(mar = c(0, 0, 0, 0), mfrow = c(2, 2))
mf_map(land, col = "#6eb1db", border = NA)
mf_map(ocean, col = "#6eb1db", border = NA)
mf_map(graticule, col = "#6eb1db", lwd = 1)
mf_map(nuts,
col = "#6eb1db",
border = "white",
lwd = 0.2)dev.off()null device
1
On peut générer un effet d’ombrage en unissant les régions nuts et en effectuant des déplacements successifs avec de la transparence. Voir l’exemple ci-dessous sur la France.
fr <- st_union(nuts[substr(nuts$id, 1, 2) == "FR", ])
par(mar = c(0, 0, 0, 0))
mf_map(fr + c(5000,-5000), col = "#827e6c40", border = NA)
mf_map(fr + c(10000,-10000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(fr + c(15000,-15000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(fr + c(20000,-20000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(fr + c(25000,-25000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(
fr,
col = "#6eb1db",
border = "white",
lwd = 0.1,
add = TRUE
)3 Template
Réalisation du template cartographique. Pour bien maîtriser le format de l’image, nous utilisons la fonction getFigDim et nous générons la carte au format png en définissant précisément l’emprise de la carte. Ici, les cartes sont crées au format png et enregistrées dans le répertoire figures/.
k <- 100000
extent <- c(-20, 42, 24.5, 63) * k
bb <- st_as_sfc(st_bbox(
c(
xmin = extent[1],
xmax = extent[3],
ymin = extent[2],
ymax = extent[4]
),
crs = st_crs(nuts)
))On crée une fonction template()
template = function(file){
theme <- mf_theme(
x = "default",
bg = "#f2efe6",
fg = "#f2efe6",
mar = c(0, 0, 0, 0),
tab = TRUE,
pos = "left",
inner = FALSE,
line = 2,
cex = 1.9,
font = 3
)
mf_export(
bb,
export = "png",
width = 2000,
filename = file,
res = 150,
theme = theme,
expandBB = c(-.02, 0, 0.05, 0)
)
mf_map(ocean,
col = "#9acbe3",
border = "#9acbe3",
lwd = 7,
add = TRUE)
mf_map(
graticule,
col = "#FFFFFF80",
lwd = 2,
lty = 3,
add = TRUE
)
ue <- st_union(nuts)
mf_map(ue + c(5000,-5000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(ue + c(10000,-10000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(ue + c(15000,-15000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(ue + c(20000,-20000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(ue + c(25000,-25000),
col = "#827e6c40",
border = NA,
add = TRUE)
mf_map(
nuts,
col = "#f0aa0c",
border = "white",
lwd = 0.3,
add = TRUE
)
}Et voilà le résultat :-)
template("figures/fig1.png")
dev.off()png
2
4 Carte choroplèthe
Classes et couleurs
# Discrétisation
bks <-
mf_get_breaks(x = nuts$GDPINH_2016,
nbreaks = 6,
breaks = "quantile")
# Couleurs
cols <-
c("#50b160",
"#98c17e",
"#cce3c4",
"#fbf5bd",
"#fcc34f",
"#e97d40")Carte
template("figures/fig1.png")
mf_map(
x = nuts,
var = "GDPINH_2016",
type = "choro",
breaks = bks,
pal = cols,
lwd = 0.2,
leg_pos = "n",
add = TRUE
)
text(
10.5 * k,
y = 59.1 * k,
"Gross Domestic Product",
cex = 0.6,
pos = 4,
font = 2,
col = "#404040"
)
text(
10.5 * k,
y = 58.7 * k,
"(in € per inh. in 2016)",
cex = 0.4,
pos = 4,
font = 1,
col = "#404040"
)
dev.off()png
2
todo…
5 Discontinuités
todo…
6 Extrusion
todo…
7 Résultat
todo…
Bibliographie
Annexes
Info session
| setting | value |
|---|---|
| version | R version 4.0.3 (2020-10-10) |
| os | Ubuntu 20.04.3 LTS |
| system | x86_64, linux-gnu |
| ui | X11 |
| language | (EN) |
| collate | en_US.UTF-8 |
| ctype | en_US.UTF-8 |
| tz | Europe/Paris |
| date | 2021-10-14 |
| package | ondiskversion | source |
|---|---|---|
| eurostat | 3.7.5 | CRAN (R 4.0.3) |
| mapsf | 0.3.0 | CRAN (R 4.0.3) |
| rnaturalearth | 0.1.0 | CRAN (R 4.0.3) |
| sf | 1.0.3 | CRAN (R 4.0.3) |
Citation
Auteur.e.s (202x). “Titre de la fiche.” <URL: https://…>.
Format BibTex :
@misc{,
title={Titre de la fiche},
url={https://...},
journal={Rzine.fr},
publisher={FR CIST},
author={{Auteur.e.s}},
year={202x},
month={Xxx}
}